-
压缩感知理论基于信号在时频域和空间的稀疏性，应用于高分辨雷达信号处理，可解决宽带雷达数据采集与处理的难题，国内外研究机构和学者对压缩感知理论应用于高分辨雷达信号处理系统陆续展开了研究，并取得了一系列研究成果。Ragheb T., Kirolos S., Laska J.根据压缩感知理论设计了一种新的采样体制—模拟信息转换（Analog-to-Information Conversion, AIC），该系统基于信号的稀疏性，将回波信号通过低通滤波后再进行低速采样，设计合适的重构算法，最后利用采集到的有限信息近似重构原始信号[5-7]。2010年，M. Mishali 和Y.C. Eldar等人针对宽频带信号提出了调制宽带转换系统（Modulated Wideband Converter, MWC），他们对该转换系统的框架构造以及参数设置给出了详细的说明，并对硬件电路实现给出了具体的分析[8-10]。R.Baraniuk等人[11]于2007年首次提出将CS理论与高分辨雷达成像系统结合，并给出了一种新的信号处理方法—随机滤波法，用理论和仿真数据验证了CS理论应用于高分辨雷达成像的可行性。Herman等人利用矩阵形式建立信号的稀疏化模型，给出了信号稀疏度对观测点数的要求，并且证明了小场景目标可实现高分辨雷达成像[12]。26390
- 上一篇：以太网交换机研究现状和发展趋势
- 下一篇：直线电机静动态性能测试国内外研究现状
目标回波信号的稀疏化模型的建立是将CS理论应用于高分辨雷达信号处理系统的前提条件。R.Coifman等人于1992年提出最佳正交基法[13](Best Orthogonal Basis,BOB)，该理论旨在构造一个正交基变换矩阵实现信号的稀疏基表示。Mallat和Z.Zhang[14]于1993年提出的过完备字典法，该方法相对于正交基展开法可以更加灵活的实现信号稀疏化处理，然而该方法由于计算量巨大，阻碍了它在雷达信号处理中的应用。Shi G M等人提出一种构造波形匹配字典的方法实现雷达回波信号的稀疏性，字典的生成决定于回波信号与参考信号的参数[15]。Gurbuz A C等人提出通过分析并离散目标回波，利用空间数据模型生成稀疏字典的方法来建立信号的稀疏化模型[16]。论文网针对雷达发射宽带超宽带线性调频脉冲信号，李海英等人[17]结合去斜率原理稀疏化回波信号，应用于高分辨率合成孔径（SAR）雷达成像，并对去斜率合成孔径雷达的成像步骤给出了具体的说明分析。高磊等人[18]利用向量形式重新定义宽带LFM脉冲信号雷达的回波信号和参考信号，利用去斜处理构造正交字典并给出了LFM回波信号的稀疏表示，并得到了LFM信号的一种随机抽取的新的采样机制，实验仿真证明了该方法用于距离像成像可行性和优越性。电子科技大学的徐成节[19]对去斜混频具体原理进行了详细的阐述，并利用仿真数据定量分析了回波信号与参考信号的时延差对去斜处理实现数字脉压的影响